
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import sys
import os
import warnings

from scipy import stats as st

pd.set_option('display.max_columns', None)
np.set_printoptions(threshold=sys.maxsize)
warnings.filterwarnings('ignore')


pth1 = r'C:\Users\Георгий\Documents\DS_projects\games.csv'
pth2 = '/datasets/games.csv'
pth3 = '/content/games.csv'

if os.path.exists(pth1):
    data = pd.read_csv(pth1)
elif os.path.exists(pth2):
    data = pd.read_csv(pth2)
elif os.path.exists(pth3):
    data = pd.read_csv(pth3)
else:
    print('Something is wrong')


data.head(10)


data.tail(10)


data.shape

(16715, 11)


data.columns.duplicated().sum()

0


data.columns.sort_values().tolist()

['Critic_Score',
 'EU_sales',
 'Genre',
 'JP_sales',
 'NA_sales',
 'Name',
 'Other_sales',
 'Platform',
 'Rating',
 'User_Score',
 'Year_of_Release']


data.size

183865


data.dtypes.value_counts()

float64    6
object     5
dtype: int64


data.isna().sum().sort_values()

Platform              0
NA_sales              0
EU_sales              0
JP_sales              0
Other_sales           0
Name                  2
Genre                 2
Year_of_Release     269
User_Score         6701
Rating             6766
Critic_Score       8578
dtype: int64


sns.heatmap(data.isna(), cmap=sns.color_palette(['#000000', '#ffffff']))
plt.title('Тепловая карта распределения пропущенных значений')
plt.xlabel('Название признака')
plt.ylabel('Номер записи')
plt.show()


(data.isna().sum() == 0).sum()

5


data.isna().sum().sum()

22318


data.columns = data.columns.str.lower()
data.columns.tolist()

['name',
 'platform',
 'year_of_release',
 'genre',
 'na_sales',
 'eu_sales',
 'jp_sales',
 'other_sales',
 'critic_score',
 'user_score',
 'rating']


data.head()


def graph(data):
    '''
    Функция строит диаграмму распределения значений и диаграмму размаха
    исследуемых данных.

    Принимает набор исследуемых данных.
    '''

    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(15, 6))
    ax1.set_title('Диаграмма распределения и диаграмма размаха' +
                  f'\nзначений признака {data.columns[0]}')
    ax1.hist(data, bins=85)
    ax1.tick_params(labelbottom=False)
    ax1.set_ylabel('Частота')
    ax2.boxplot(data, vert=False)
    ax2.tick_params(left=False, labelleft=False)
    ax2.set_xlabel('Значения признака')
    plt.show()


data[['na_sales', 'eu_sales', 'jp_sales', 'other_sales', 'critic_score',
      'user_score', 'year_of_release']].describe(include='all').round(2)


data['user_score'].sort_values().unique()

array(['0', '0.2', '0.3', '0.5', '0.6', '0.7', '0.9', '1', '1.1', '1.2',
       '1.3', '1.4', '1.5', '1.6', '1.7', '1.8', '1.9', '2', '2.1', '2.2',
       '2.3', '2.4', '2.5', '2.6', '2.7', '2.8', '2.9', '3', '3.1', '3.2',
       '3.3', '3.4', '3.5', '3.6', '3.7', '3.8', '3.9', '4', '4.1', '4.2',
       '4.3', '4.4', '4.5', '4.6', '4.7', '4.8', '4.9', '5', '5.1', '5.2',
       '5.3', '5.4', '5.5', '5.6', '5.7', '5.8', '5.9', '6', '6.1', '6.2',
       '6.3', '6.4', '6.5', '6.6', '6.7', '6.8', '6.9', '7', '7.1', '7.2',
       '7.3', '7.4', '7.5', '7.6', '7.7', '7.8', '7.9', '8', '8.1', '8.2',
       '8.3', '8.4', '8.5', '8.6', '8.7', '8.8', '8.9', '9', '9.1', '9.2',
       '9.3', '9.4', '9.5', '9.6', '9.7', 'tbd', nan], dtype=object)


graph(pd.DataFrame(data.loc[data['user_score'].notna() &
                   (data['user_score'] != 'tbd'), 'user_score']).astype('float'))


for column in ['na_sales', 'eu_sales', 'jp_sales', 'other_sales',
               'critic_score', 'year_of_release']:
    graph(pd.DataFrame(data.loc[data[column].notna(), column]))


data[['name', 'platform', 'genre', 'rating']].describe()


data['name'].value_counts().head()

Need for Speed: Most Wanted    12
Ratatouille                     9
LEGO Marvel Super Heroes        9
FIFA 14                         9
Madden NFL 07                   9
Name: name, dtype: int64


fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(15, 6))
ax1.set_title('Диаграмма распределения и диаграмма размаха' +
              '\nколичества различных значений признака name')
ax1.hist(data['name'].value_counts(), bins=100)
ax1.tick_params(labelbottom=False)
ax1.set_ylabel('Частота')
ax2.boxplot(data['name'].value_counts(), vert=False)
ax2.tick_params(left=False, labelleft=False)
ax2.set_xlabel('Количество различных значения признака')
plt.show()


data['platform'].value_counts()

PS2     2161
DS      2151
PS3     1331
Wii     1320
X360    1262
PSP     1209
PS      1197
PC       974
XB       824
GBA      822
GC       556
3DS      520
PSV      430
PS4      392
N64      319
XOne     247
SNES     239
SAT      173
WiiU     147
2600     133
NES       98
GB        98
DC        52
GEN       29
NG        12
SCD        6
WS         6
3DO        3
TG16       2
GG         1
PCFX       1
Name: platform, dtype: int64


plt.figure(figsize=(15, 3))
plt.title('Диаграмма распределения количества значений признака platform')
data['platform'].value_counts().sort_index().plot(kind='bar', rot=0)
plt.xlabel('Платформа')
plt.ylabel('Частота')
plt.show()


data['genre'].value_counts()

Action          3369
Sports          2348
Misc            1750
Role-Playing    1498
Shooter         1323
Adventure       1303
Racing          1249
Platform         888
Simulation       873
Fighting         849
Strategy         683
Puzzle           580
Name: genre, dtype: int64


plt.figure(figsize=(15, 3))
plt.title('Диаграмма распределения количества значений признака genre')
data['genre'].value_counts().sort_index().plot(kind='bar', rot=0)
plt.xlabel('Жанр')
plt.ylabel('Частота')
plt.show()


data['rating'].value_counts()

E       3990
T       2961
M       1563
E10+    1420
EC         8
K-A        3
RP         3
AO         1
Name: rating, dtype: int64


plt.figure(figsize=(15, 3))
plt.title('Диаграмма распределения количества значений признака rating')
data['rating'].value_counts().sort_index().plot(kind='bar', rot=0)
plt.xlabel('Рейтинг')
plt.ylabel('Частота')
plt.show()


data[data['genre'].isna()]


data.dropna(subset=['genre'], inplace=True)
data['genre'].isna().sum()

0


data['genre'] = data['genre'].str.lower()
data['genre'].sort_values().unique()

array(['action', 'adventure', 'fighting', 'misc', 'platform', 'puzzle',
       'racing', 'role-playing', 'shooter', 'simulation', 'sports',
       'strategy'], dtype=object)


data['user_score'].sort_values().unique()

array(['0', '0.2', '0.3', '0.5', '0.6', '0.7', '0.9', '1', '1.1', '1.2',
       '1.3', '1.4', '1.5', '1.6', '1.7', '1.8', '1.9', '2', '2.1', '2.2',
       '2.3', '2.4', '2.5', '2.6', '2.7', '2.8', '2.9', '3', '3.1', '3.2',
       '3.3', '3.4', '3.5', '3.6', '3.7', '3.8', '3.9', '4', '4.1', '4.2',
       '4.3', '4.4', '4.5', '4.6', '4.7', '4.8', '4.9', '5', '5.1', '5.2',
       '5.3', '5.4', '5.5', '5.6', '5.7', '5.8', '5.9', '6', '6.1', '6.2',
       '6.3', '6.4', '6.5', '6.6', '6.7', '6.8', '6.9', '7', '7.1', '7.2',
       '7.3', '7.4', '7.5', '7.6', '7.7', '7.8', '7.9', '8', '8.1', '8.2',
       '8.3', '8.4', '8.5', '8.6', '8.7', '8.8', '8.9', '9', '9.1', '9.2',
       '9.3', '9.4', '9.5', '9.6', '9.7', 'tbd', nan], dtype=object)


data['user_score'] = data['user_score'].replace('tbd', '-1')
data['user_score'].sort_values().unique()

array(['-1', '0', '0.2', '0.3', '0.5', '0.6', '0.7', '0.9', '1', '1.1',
       '1.2', '1.3', '1.4', '1.5', '1.6', '1.7', '1.8', '1.9', '2', '2.1',
       '2.2', '2.3', '2.4', '2.5', '2.6', '2.7', '2.8', '2.9', '3', '3.1',
       '3.2', '3.3', '3.4', '3.5', '3.6', '3.7', '3.8', '3.9', '4', '4.1',
       '4.2', '4.3', '4.4', '4.5', '4.6', '4.7', '4.8', '4.9', '5', '5.1',
       '5.2', '5.3', '5.4', '5.5', '5.6', '5.7', '5.8', '5.9', '6', '6.1',
       '6.2', '6.3', '6.4', '6.5', '6.6', '6.7', '6.8', '6.9', '7', '7.1',
       '7.2', '7.3', '7.4', '7.5', '7.6', '7.7', '7.8', '7.9', '8', '8.1',
       '8.2', '8.3', '8.4', '8.5', '8.6', '8.7', '8.8', '8.9', '9', '9.1',
       '9.2', '9.3', '9.4', '9.5', '9.6', '9.7', nan], dtype=object)


data['name'] = data['name'].str.lower()
data['name'].sample(7)

9407                    wwe survivor series
4781           warriors orochi 2 (jp sales)
14816                    dream girl premier
10366      naruto shippuden 3d: the new era
158                       super smash bros.
13661                                scaler
4565     command & conquer 3: tiberium wars
Name: name, dtype: object


data['platform'] = data['platform'].str.lower()
data['platform'].sort_values().unique()

array(['2600', '3do', '3ds', 'dc', 'ds', 'gb', 'gba', 'gc', 'gen', 'gg',
       'n64', 'nes', 'ng', 'pc', 'pcfx', 'ps', 'ps2', 'ps3', 'ps4', 'psp',
       'psv', 'sat', 'scd', 'snes', 'tg16', 'wii', 'wiiu', 'ws', 'x360',
       'xb', 'xone'], dtype=object)


data['rating'] = data['rating'].str.lower()
data['rating'].sort_values().unique()

array(['ao', 'e', 'e10+', 'ec', 'k-a', 'm', 'rp', 't', nan], dtype=object)


data.loc[data['name'].str.contains('weekly'), 'name'].sort_values().head()

7837     chou-kuukan night pro yakyuu king (weekly jp s...
13665                   fifa soccer 2003 (weekly jp sales)
8040     international superstar soccer 2000 (jp weekly...
10640    international superstar soccer 64 (weekly jp s...
13146    medal of honor: european assault (weekly jp sa...
Name: name, dtype: object


data[data['name'].str.contains("fifa soccer 2003")].sort_values(by='name')


data.drop(index=data.loc[data['name'].str.contains("weekly"), 'name'].index,
          inplace=True)
data.loc[data['name'].str.contains("weekly"), 'name'].count()

0


data.loc[data['name'].str.contains('sales'), 'name'].sort_values().head()

8597       .hack//g.u. vol.2//reminisce (jp sales)
9249                 ape escape academy (jp sales)
13825    atelier iris 3: grand phantasm (jp sales)
5979     atelier iris 3: grand phantasm (us sales)
15015       battlefield 2: modern combat(jp sales)
Name: name, dtype: object


list_for_replace = [
    '\(higher jp sales\)', '\(jp sales, but wrong system\)',
    '\(old all region sales\)', '\(jp & incomplete us sales\)',
    '\(american and others sales\)', '\(all regions sales\)',
    '\(sales, but wrong system\)', '\(correct us sales\)',
    '\(old us sales\)', '\(old jp sales\)', '\(jp & others sales\)',
    '\(us & others sales\)', '\(japan sales\)', '\(all region sales\)',
    '\(american sales\)',  '\(jp sales\)', '\(us sales\)', '\(others sales\)'
]

for value in list_for_replace:
    data.loc[data['name'].str.contains(value), 'name'] = \
    data.loc[data['name'].str.contains(value), 'name'].str.replace(value, '').str.strip()

data.loc[data['name'].str.contains('sales'), 'name'].count()

0


data.loc[data['name'] == 'brave story: new traveler', 'name'] = \
'brave story: new traveller'

data.loc[data['name'] == 'imagine figure skater', 'name'] = \
'imagine: figure skater'

data.loc[data['name'] == 'namco museum 50th anniversary', 'name'] = \
'namco museum: 50th anniversary'

data.loc[data['name'] == 'rengoku ii:  the stairway to h.e.a.v.e.n.', 'name'] = \
'rengoku ii: the stairway to h.e.a.v.e.n.'

data.loc[data['name'] == 'dancedancerevolution ii', 'name'] = \
'dance dance revolution ii'


data.loc[(data['name'] == 'dance dance revolution: mario mix') &
         (data['genre'] == 'simulation'), 'genre'] = 'misc'

data.loc[(data['name'] == 'dragon ball z: budokai tenkaichi 2') &
         (data['genre'] == 'action'), 'genre'] = 'fighting'

data.loc[(data['name'] == 'dragon ball: origins') &
         (data['genre'] == 'adventure'), 'genre'] = 'action'

data.loc[(data['name'] == 'earth defense force 2017') &
         (data['genre'] == 'shooter'), 'genre'] = 'action'

data.loc[(data['name'] == 'fishing master') &
         (data['genre'] == 'misc'), 'genre'] = 'sports'

data.loc[(data['name'] == 'prinny: can i really be the hero?') &
         (data['genre'] == 'action'), 'genre'] = 'platform'

data.loc[(data['name'] == 'the godfather: blackhand edition') &
         (data['genre'] == 'adventure'), 'genre'] = 'action'

data.loc[(data['name'] == 'tomb raider: underworld') &
         (data['genre'] == 'adventure'), 'genre'] = 'action'

data.loc[(data['name'] == 'yu-gi-oh! the eternal duelist soul') &
         (data['genre'] == 'misc'), 'genre'] = 'strategy'

data.loc[data['name'].str.contains('scrabble'), 'genre'] = 'puzzle'

data[(data['name'] == 'dance dance revolution: mario mix') |
     (data['name'] == 'dragon ball z: budokai tenkaichi 2') |
     (data['name'] == 'dragon ball: origins') |
     (data['name'] == 'earth defense force 2017') |
     (data['name'] == 'fishing master') |
     (data['name'] == 'prinny: can i really be the hero?') |
     (data['name'] == 'the godfather: blackhand edition') |
     (data['name'] == 'tomb raider: underworld') |
     (data['name'] == 'yu-gi-oh! the eternal duelist soul') |
     data['name'].str.contains('scrabble')].sort_values(by='name')


data[(data['platform'] == 'ds') & (data['year_of_release'] == 1985)]


data.drop(index=data[(data['platform'] == 'ds') &
                     (data['year_of_release'] == 1985)].index, inplace=True)
data[(data['platform'] == 'ds') & (data['year_of_release'] == 1985)].shape[0]

0


data[(data['platform'] == 'xb') & (data['year_of_release'] < 2001)]


data.loc[(data['platform'] == 'xb') &
         (data['year_of_release'] < 2001), 'year_of_release'] = 2001
len(data[(data['platform'] == 'xb') & (data['year_of_release'] < 2001)])

0


data['rating'].replace('k-a', 'e', inplace=True)
data['rating'].sort_values().unique()

array(['ao', 'e', 'e10+', 'ec', 'm', 'rp', 't', nan], dtype=object)


def show_na():
    '''
    Функция подсчёта пропущенных значений.
    
    Возвращает таблицу распределения пропущенных значений,
    отсортированную по убыванию значений.
    
    '''

    total = data.isna().sum().sort_values(ascending=False)
    percent = (data.isna().sum() /
               data.isna().count() * 100).round(1).sort_values(ascending=False)
    display(pd.concat([total, percent], axis=1, keys=['Всего пропусков', '%']))


show_na()


years_of_release = {
    "prinny: can i really be the hero?": 2008,
    "dragon ball z: budokai tenkaichi 2": 2006,
    "yu-gi-oh! 5d's wheelie breakers": 2009,
    'luminous arc 2': 2008,
    "cabela's alaskan adventure": 2006,
    'samurai spirits: tenkaichi kenkakuden': 2006,
    'sega rally 2006': 2006,
    'mountain bike adrenaline': 2007,
    "mcfarlane's evil prophecy": 2004,
    'demon chaos': 2005,
    'star trek: conquest': 2007,
    'saru! get you! million monkeys': 2006,
    'ejay clubworld': 2002,
    'sword of the samurai': 2003,
    "james cameron's dark angel": 2002,
    'nba starting five': 2002,
    'yu yu hakusho: dark tournament': 2004,
    'tribes: aerial assault': 2002,
    'jet x20': 2002,
    'mega man x collection': 2006,
    'college hoops 2k6': 2005,
    'haven: call of the king': 2002,
    'final fantasy xi': 2002,
    'harvest moon: save the homeland': 2001,
    'nfl gameday 2003': 2002,
    'nascar: dirt to daytona': 2002,
    'monster hunter 2': 2006,
    'mlb slugfest 20-03': 2002,
    'wheel of fortune': 2003,
    'suikoden iii': 2002,
    'nascar thunder 2003': 2002,
    'wwe smackdown vs. raw 2006': 2005,
    'fifa soccer 2004': 2003,
    'madden nfl 2004': 2003,
    'ferrari: the race experience': 2010,
    "dance! it's your stage": 2010,
    'saint': 2009,
    'wii de asobu: metroid prime': 2009,
    'combat wings: the great battles of wwii': 2012,
    'swords': 2010,
    "luxor: pharaoh's challenge": 2008,
    'reader rabbit 2nd grade': 2011,
    "flip's twisted world": 2010,
    'build-a-bear workshop: friendship valley': 2010,
    'zero: tsukihami no kamen': 2008,
    "disney's chicken little: ace in action": 2006,
    'our house party!': 2009,
    'vegas party': 2009,
    'trauma team': 2010,
    'dance dance revolution ii': 2011,
    'big beach sports 2': 2010,
    "tony hawk's downhill jam": 2006,
    'nhl slapshot': 2010,
    'tiger woods pga tour 07': 2006,
    'madden nfl 11': 2010,
    'rhythm heaven': 2011,
    'call of duty 3': 2006,
    'lego indiana jones: the original adventures': 2008,
    'brothers in arms: furious 4': 2015,
    'akb1/48: idol to guam de koishitara...': 2011,
    'football manager 2007': 2006,
    'world of tanks': 2014,
    'majesty 2: the fantasy kingdom sim': 2009,
    'tour de france 2011': 2011,
    'mobile ops: the one year war': 2008,
    'national geographic challenge!': 2011,
    'yoostar on mtv': 2011,
    'get fit with mel b': 2010,
    'jurassic park: the game': 2011,
    'otomedius excellent': 2011,
    'star trek: legacy': 2006,
    'gun': 2005,
    'tropico 4': 2011,
    'wet': 2009,
    'madden nfl 06': 2005,
    'shaun white snowboarding': 2008,
    'shorts': 2009,
    'dream dancer': 2009,
    'jet impulse': 2007,
    'pdc world championship darts 2008': 2008,
    "shonen jump's yu-gi-oh! gx card almanac": 2007,
    'writing and speaking beautiful japanese ds': 2007,
    'runaway: a twist of fate': 2009,
    'steal princess': 2008,
    'legacy of ys: books i & ii': 2009,
    'bikkuriman daijiten': 2007,
    'housekeeping': 2010,
    'captain america: super soldier': 2011,
    'jewel link chronicles: mountains of madness': 2012,
    'chou soujuu mecha mg': 2006,
    'alex rider: stormbreaker': 2006,
    'tornado': 2008,
    'mega man battle network: operation shooting star': 2009,
    'charm girls club: my fashion show': 2009,
    'egg monster hero': 2005,
    'my healthy cooking coach': 2009,
    'atsumare! power pro kun no ds koushien': 2006,
    'the daring game for girls': 2009,
    'charm girls club: my fashion mall': 2009,
    'shrek the third': 2007,
    'advance wars: days of ruin': 2008,
    'hakuouki: shinsengumi kitan': 2008,
    'agarest senki: re-appearance': 2008,
    'umineko no naku koro ni san: shinjitsu to gensou no yasoukyoku': 2011,
    'the history channel: great battles - medieval': 2010,
    'monster hunter frontier online': 2007,
    'port royale 3': 2012,
    'happy feet two': 2011,
    'record of agarest war zero': 2009,
    'bejeweled 3': 2010,
    'splatterhouse': 2010,
    'backbreaker': 2010,
    'wrc: fia world rally championship': 2010,
    'move fitness': 2011,
    'singularity': 2010,
    'jonah lomu rugby challenge': 2011,
    'rock revolution': 2008,
    'silent hill: homecoming': 2008,
    "robert ludlum's the bourne conspiracy": 2008,
    'sonic the hedgehog': 2006,
    'test drive unlimited 2': 2011,
    'the lord of the rings: war in the north': 2011,
    'yakuza 4': 2010,
    'rock band': 2007,
    'aquaman: battle for atlantis': 2003,
    'without warning': 2005,
    'the king of fighters: maximum impact - maniax': 2005,
    'tom and jerry in war of the whiskers': 2002,
    'combat elite: wwii paratroopers': 2005,
    "tom clancy's rainbow six: critical hour": 2006,
    'rayman arena': 2001,
    'drake of the 99 dragons': 2003,
    'godzilla: destroy all monsters melee': 2002,
    'transworld surf': 2001,
    'all-star baseball 2005': 2004,
    'robotech: battlecry': 2002,
    'unreal championship 2: the liandri conflict': 2005,
    'star wars jedi knight ii: jedi outcast': 2002,
    'the chronicles of riddick: escape from butcher bay': 2004,
    'def jam: fight for ny': 2004,
    'madden nfl 2002': 2001,
    'metal gear solid 2: substance': 2002,
    'namco museum': 2001,
    'hitman 2: silent assassin': 2002,
    'home run': 1978,
    'breakaway iv': 1978,
    'ghostbusters ii': 1989,
    'flag capture': 1978,
    'indy 500': 1977,
    'slot machine': 1979,
    'dragster': 1980,
    'hangman': 1978,
    'super breakout': 1978,
    "maze craze: a game of cops 'n robbers": 1980,
    'circus atari': 1977,
    'karate': 1982,
    'fishing derby': 1980,
    'air-sea battle': 1977,
    'combat': 1977,
    'adventure': 1979,
    'space invaders': 1980,
    'inversion': 2012,
    'homeworld remastered collection': 2015,
    'wrc: fia world rally championship': 2010,
    'battle vs. chess': 2011,
    'grid': 2008,
    'clockwork empires': 2016,
    'rollercoaster tycoon': 1999,
    'dead island: riptide': 2013,
    'rocksmith': 2011,
    'street fighter iv': 2008,
    'test drive unlimited 2': 2011,
    'dead space 3': 2013,
    'bioshock 2': 2010,
    'tomb raider (2013)': 2013,
    'tera': 2011,
    'call of duty: black ops': 2010,
    'pdc world championship darts 2008': 2008,
    'payout poker & casino': 2006,
    'fullmetal alchemist: brotherhood': 2010,
    'major league baseball 2k8': 2008,
    'half-minute hero 2': 2011,
    'samurai shodown anthology': 2008,
    'major league baseball 2k6': 2006,
    'super robot wars og saga: masou kishin ii - revelation of evil god': 2012,
    'valkyria chronicles iii: unrecorded chronicles': 2011,
    'danganronpa: trigger happy havoc': 2010,
    'the golden compass': 2007,
    'pes 2009: pro evolution soccer': 2008,
    'madden nfl 07': 2006,
    'lego batman: the videogame': 2008,
    'disgaea 3: absence of detention': 2011,
    'donkey kong land iii': 1997,
    'custom robo': 1999,
    'famista 64': 1997,
    'wcw backstage assault': 2000,
    'triple play 99': 1998,
    'legacy of kain: soul reaver': 1999,
    'the dukes of hazzard ii: daisy dukes it out': 2000,
    'twisted metal: small brawl': 2001,
    'alone in the dark: the new nightmare': 2001,
    'action man-operation extreme': 2000,
    'b.l.u.e.: legend of water': 1998,
    'lego harry potter: years 5-7': 2011,
    'harvest moon: the tale of two towns': 2011,
    'pet zombies': 2011,
    'face racers: photo finish': 2011,
    'the hidden': 2011,
    'dream trigger 3d': 2011,
    'beyond the labyrinth': 2012,
    'mario tennis': 2012,
    "frogger's adventures: temple of the frog": 2001,
    'warioware: twisted!': 2004,
    'the chronicles of narnia: the lion, the witch and the wardrobe': 2005,
    "cubix robots for everyone: clash 'n' bash": 2002,
    'teen titans': 2005,
    "disney's cinderella: magical dreams": 2005,
    'super puzzle fighter ii': 2003,
    'drill dozer': 2005,
    'sabre wulf': 2004,
    'super duper sumos': 2003,
    'nba street vol. 2': 2003,
    'nba live 2003': 2002,
    'nicktoons: battle for volcano island': 2006,
    'pac-man fever': 2002,
    'nintendo puzzle collection': 2003,
    'street hoops': 2002,
    'giftpia': 2003,
    'smashing drive': 2002,
    'nhl hitz pro': 2003,
    'tube slider': 2003,
    'dinotopia: the sunstone odyssey': 2003,
    'freaky flyers': 2003,
    'virtua quest': 2004
}


for value in years_of_release:
    data.loc[data['name'] == value, 'year_of_release'] = \
    data.loc[data['name'] == value, 'year_of_release'].fillna(years_of_release.get(value))


data['year_of_release'].sort_values().unique()

array([1977., 1978., 1979., 1980., 1981., 1982., 1983., 1984., 1985.,
       1986., 1987., 1988., 1989., 1990., 1991., 1992., 1993., 1994.,
       1995., 1996., 1997., 1998., 1999., 2000., 2001., 2002., 2003.,
       2004., 2005., 2006., 2007., 2008., 2009., 2010., 2011., 2012.,
       2013., 2014., 2015., 2016.])


show_na()


data['user_score'] = pd.to_numeric(data['user_score'])
data['user_score'].dtypes

dtype('float64')


data['year_of_release'] = data['year_of_release'].astype('int64')
data['year_of_release'].dtypes

dtype('int64')


data.duplicated().sum()

0


loc_data = data[
    data[['name', 'platform', 'year_of_release']].duplicated(keep=False)
    ].sort_values(by='name')
loc_data.head(10)


columns = ['name', 'platform', 'year_of_release', 'genre']

data2 = data[
    data[columns].duplicated(keep=False)
    ].groupby(columns)[['na_sales', 'eu_sales', 'jp_sales', 'other_sales']].agg('sum').reset_index()
data2.head()


for column in ['critic_score', 'user_score', 'rating']:
    for game_name in (loc_data.loc[loc_data[column].notna(), 'name'].unique()):
        for platform_name in (loc_data.loc[loc_data[column].notna() &
                                           (loc_data['name'] == game_name),
                                           'platform']).unique():

            set_score = pd.Series(loc_data.loc[loc_data[column].notna() &
                                               (loc_data['name'] == game_name) &
                                               (loc_data['platform'] == platform_name),
                                               column]).reset_index(drop=True)

            data2.loc[(data2['name'] == game_name) &
                      (data2['platform'] == platform_name),
                      column] = set_score[0]

data2.head()


data2['critic_score'].sort_values().unique()

array([43., 46., 48., 50., 51., 52., 57., 58., 60., 61., 62., 64., 65.,
       66., 67., 68., 69., 70., 71., 72., 73., 75., 77., 78., 79., 80.,
       82., 83., 86., 87., nan])


data2['user_score'].sort_values().unique()

array([-1. ,  4.1,  4.4,  4.6,  5.4,  5.5,  5.7,  5.8,  5.9,  6.2,  6.5,
        6.6,  6.8,  6.9,  7. ,  7.2,  7.3,  7.4,  7.5,  7.6,  7.7,  7.8,
        7.9,  8. ,  8.1,  8.2,  8.3,  8.4,  8.5,  8.7,  8.9,  9. ,  nan])


data2['rating'].sort_values().unique()

array(['e', 'e10+', 'm', 't', nan], dtype=object)


data.shape[0]

16692


data.drop(
    index=data[data[['name', 'platform', 'year_of_release']].duplicated(keep=False)].index,
    inplace=True
)
len(data[data[['name', 'platform', 'year_of_release']].duplicated(keep=False)])

0


data.shape[0]

16494


data = pd.concat([data, data2])
data.shape[0]

16593


show_na()


data['critic_score'].fillna(-1, inplace=True)
data['user_score'].fillna(-1, inplace=True)


data['critic_score'].sort_values().unique()

array([-1., 13., 17., 19., 20., 21., 22., 23., 24., 25., 26., 27., 28.,
       29., 30., 31., 32., 33., 34., 35., 36., 37., 38., 39., 40., 41.,
       42., 43., 44., 45., 46., 47., 48., 49., 50., 51., 52., 53., 54.,
       55., 56., 57., 58., 59., 60., 61., 62., 63., 64., 65., 66., 67.,
       68., 69., 70., 71., 72., 73., 74., 75., 76., 77., 78., 79., 80.,
       81., 82., 83., 84., 85., 86., 87., 88., 89., 90., 91., 92., 93.,
       94., 95., 96., 97., 98.])


data['user_score'].sort_values().unique()

array([-1. ,  0. ,  0.2,  0.3,  0.5,  0.6,  0.7,  0.9,  1. ,  1.1,  1.2,
        1.3,  1.4,  1.5,  1.6,  1.7,  1.8,  1.9,  2. ,  2.1,  2.2,  2.3,
        2.4,  2.5,  2.6,  2.7,  2.8,  2.9,  3. ,  3.1,  3.2,  3.3,  3.4,
        3.5,  3.6,  3.7,  3.8,  3.9,  4. ,  4.1,  4.2,  4.3,  4.4,  4.5,
        4.6,  4.7,  4.8,  4.9,  5. ,  5.1,  5.2,  5.3,  5.4,  5.5,  5.6,
        5.7,  5.8,  5.9,  6. ,  6.1,  6.2,  6.3,  6.4,  6.5,  6.6,  6.7,
        6.8,  6.9,  7. ,  7.1,  7.2,  7.3,  7.4,  7.5,  7.6,  7.7,  7.8,
        7.9,  8. ,  8.1,  8.2,  8.3,  8.4,  8.5,  8.6,  8.7,  8.8,  8.9,
        9. ,  9.1,  9.2,  9.3,  9.4,  9.5,  9.6,  9.7])


data['rating'].fillna('nd', inplace=True)
data['rating'].sort_values().unique()

array(['ao', 'e', 'e10+', 'ec', 'm', 'nd', 'rp', 't'], dtype=object)


show_na()


data['total_sales'] = data.loc[:,['na_sales','eu_sales', 'jp_sales', 'other_sales']].sum(axis=1)


data[['na_sales', 'eu_sales', 'jp_sales', 'other_sales', 'total_sales']].sample(7)


data[data['total_sales'] == 0]


data.drop(index=data[data['total_sales'] == 0].index, inplace=True)
data[data['total_sales'] == 0].shape[0]

0


def set_age(value):

    if value == 'e':
        return 0
    if value == 'ec':
        return 3
    if value == 'e10+':
        return 10
    if value == 't':
        return 13
    if value == 'm':
        return 17
    if value == 'ao':
        return 18
    if value == 'rp':
        return 100
    if value == 'nd':
        return -1


data['age'] = data['rating'].apply(set_age)
data['age'].sort_values().unique()

array([ -1,   0,   3,  10,  13,  17,  18, 100])


data[['rating', 'age']].sample(7)


def set_generation(value, year):

    if value in ['2600']:
        return 2
    if value in ['nes']:
        return 3
    if value in ['gb', 'gg', 'gen', 'snes', 'ng', 'scd', 'tg16']:
        return 4
    if value in ['3do', 'n64', 'pcfx', 'ps', 'sat', 'ws']:
        return 5
    if value in ['dc', 'gba', 'gc', 'ps2', 'xb']:
        return 6
    if value in ['ds', 'ps3', 'psp', 'wii', 'x360']:
        return 7
    if value in ['3ds', 'ps4', 'psv', 'wiiu', 'xone']:
        return 8
    if value in ['pc']:
        if year > 2011:
            return 8
        if 2003 < year <= 2011:
            return 7
        if 1997 < year <= 2003:
            return 6
        if 1993 < year <= 1997:
            return 5
        if 1986 < year <= 1993:
            return 4
        if 1982 < year <= 1986:
            return 3
        if year <= 1982:
            return 2


data['generation'] = \
data[['platform', 'year_of_release']].apply(lambda x: set_generation(*x), axis=1)

data['generation'].sort_values().unique()

array([2, 3, 4, 5, 6, 7, 8])


def set_producer(value):

    if value in ['2600']:
        return 'atari'
    if value in ['nes', 'gb', 'snes', 'n64', 'gba', 'gc', 'ds', 'wii', '3ds', 'wiiu']:
        return 'nintendo'
    if value in ['gen', 'scd', 'sat', 'dc', 'gg']:
        return 'sega'
    if value in ['ng']:
        return 'snk'
    if value in ['tg16', 'pcfx']:
        return 'nec'
    if value in ['3do']:
        return 'panasonic'
    if value in ['ps', 'ps2', 'ps3', 'psp', 'ps4', 'psv']:
        return 'sony'
    if value in ['ws']:
        return 'bandai'
    if value in ['xb', 'x360', 'xone']:
        return 'microsoft'
    if value in ['pc']:
        return 'pc'


data['producer'] = data['platform'].apply(set_producer)
data['producer'].sort_values().unique()

array(['atari', 'bandai', 'microsoft', 'nec', 'nintendo', 'panasonic',
       'pc', 'sega', 'snk', 'sony'], dtype=object)


data = data.sort_values(by='year_of_release').reset_index(drop=True)


data.head()


data.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16591 entries, 0 to 16590
Data columns (total 15 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   name             16591 non-null  object 
 1   platform         16591 non-null  object 
 2   year_of_release  16591 non-null  int64  
 3   genre            16591 non-null  object 
 4   na_sales         16591 non-null  float64
 5   eu_sales         16591 non-null  float64
 6   jp_sales         16591 non-null  float64
 7   other_sales      16591 non-null  float64
 8   critic_score     16591 non-null  float64
 9   user_score       16591 non-null  float64
 10  rating           16591 non-null  object 
 11  total_sales      16591 non-null  float64
 12  age              16591 non-null  int64  
 13  generation       16591 non-null  int64  
 14  producer         16591 non-null  object 
dtypes: float64(7), int64(3), object(5)
memory usage: 1.9+ MB


def descriptive_statistics(values, label):
    '''
    Описательная статистика переменной, измеряемой в количественной шкале.

    Принимает значения признака и название признака.
    Возвращает DataFrame с набором статистик.

    '''

    df = pd.DataFrame([
        values.count(),
        len(values.unique()),
        values.min(),
        values.median() - 1.5 * (values.quantile(q=.75) -
                                 values.quantile(q=.25)),
        values.quantile(q=.25).round(2),
        (values.mode()).to_list(),
        values.median().round(2),
        values.mean().round(2),
        values.quantile(q=.75).round(2),
        values.median() + 1.5 * (values.quantile(q=.75) -
                                 values.quantile(q=.25)),
        values.max(),
        values.max() - values.min(),
        values.quantile(q=.75) - values.quantile(q=.25)
    ],
        index=['кол-во значений', 'кол-во уникальных', 'мин.',
               '-1.5IQR', '25 %', 'мода', 'медиана',
               'среднее ариф.', '75 %', '+1.5IQR', 'макс.',
               'размах', 'межквартильный размах'],
        columns=[label])

    return df


pd.DataFrame(data['name'].describe()).rename(
    index={'count': 'кол-во значений',
           'unique': 'кол-во уникальных',
           'top': 'мода',
           'freq': 'частота моды'},
    columns={'name': 'Название игры'})


data['name'].value_counts().plot.box(
    title='Диаграмма размаха\nрапределения количества упоминаний\nназвания игры',
    label='Название игры',
    ylabel='Частота упоминаний',
    yticks=[2 * n + 1 for n in range(6)],
    figsize=(3, 3))
plt.show()


(data['name'].value_counts() > 1).value_counts().rename(
    index={0: '1', 1: '2+'}).plot.pie(
    title='Круговая диаграмма\nраспределения игр\nпо количеству упоминаний',
    label='', figsize=(10, 3))
plt.show()


pd.DataFrame((data['name'].value_counts() > 1).value_counts() /
             len(data['name'].unique()) * 100).round(0).astype('int').rename(
    index={0: '1 раз', 1: '2 и более раз'},
    columns={'name': 'Относительная частота, %'}).T


data['name'].value_counts().value_counts().plot.bar(
    title='Диаграмма распределения количества упоминаний названия игры',
    xlabel='Количество упоминаний названия игры',
    ylabel='Количество игр',
    rot=0, figsize=(10, 3))
plt.show()


pd.DataFrame(
    data['name'].value_counts().value_counts()
).T.rename(index={'name': 'количество игр'})


pd.DataFrame(
    data['name'].value_counts().head()
).rename(columns={'name': 'частота'})


descriptive_statistics(data['year_of_release'], 'Год выпуска')


data['year_of_release'].value_counts().plot.box(
    title='Диаграмма размаха\nраспределения количества игр,\nвыпускаемых в год',
    label='Год выпуска',
    ylabel='Количество игр в год',
    figsize=(3, 3))
plt.show()


data['year_of_release'].value_counts().sort_index().plot.bar(
    rot=0,
    title='Диаграмма распределения игр по году выпуска',
    xlabel='Год выпуска',
    ylabel='Частота',
    figsize=(10, 3))
plt.xticks([3, 8, 13, 18, 23, 28, 33, 38])
plt.show()


pd.DataFrame(data['year_of_release'].value_counts()).head(10).sort_index().T.rename(
    index={'year_of_release': 'количество игр'})


pd.DataFrame(data['platform'].describe()).rename(
    index={'count': 'кол-во значений',
           'unique': 'кол-во уникальных',
           'top': 'мода',
           'freq': 'частота моды'},
    columns={'platform': 'Название платформы'})


data['platform'].value_counts().plot.box(
    title='Диаграмма размаха\nраспределения частоты\nвстречаемости платформ',
    label='Платформа',
    ylabel='Количество игр\nдля платформы',
    figsize=(3, 3))
plt.show()


data['platform'].value_counts().plot.bar(
    rot=0,
    title='Диаграмма распределения игр по платформам',
    xlabel='Название платформы',
    ylabel='Частота',
    figsize=(12, 3))
plt.show()


df = pd.DataFrame(data['platform'].value_counts()).head(10).T.join(
    pd.DataFrame(pd.DataFrame(data['platform'].value_counts().head(10)).sum()))
df.rename(index={'platform': 'количество игр'}, columns={0: 'всего'})


descriptive_statistics(data['generation'], 'Поколения игровых систем')


data['generation'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо номеру поколения игровых систем',
    label='Название игры',
    ylabel='Поколение игровых систем',
    figsize=(3, 3))
plt.show()


data['generation'].value_counts().sort_index().plot.bar(
    rot=0,
    title='Диаграмма распределения игр\nпо номеру поколения игровых систем',
    xlabel='Поколение игровых систем',
    ylabel='Частота',
    figsize=(6, 3))
plt.show()


pd.DataFrame(data['generation'].value_counts().sort_index()).T.rename(
    index={'generation': 'количество игр'})


pd.DataFrame(data['producer'].describe()).rename(
    index={'count': 'кол-во значений',
           'unique': 'кол-во уникальных',
           'top': 'мода',
           'freq': 'частота моды'},
    columns={'producer': 'Производитель платформ'})


data['producer'].value_counts().plot.box(
    title='Диаграмма размаха\nчастоты встречаемости\nпроизводителя платформ',
    label='Производитель платформы',
    ylabel='Количество игр\nдля платформ одного производителя',
    figsize=(3, 5))
plt.show()


data['producer'].value_counts().plot.bar(
    rot=0,
    title='Диаграмма распределения игр по производителям платформ',
    xlabel='Производитель платформ',
    ylabel='Частота',
    figsize=(10, 3))
plt.show()


pd.DataFrame(data['producer'].value_counts()).T.rename(
    index={'producer': 'количество игр'})


pd.DataFrame(data['genre'].describe()).rename(
    index={'count': 'кол-во значений',
           'unique': 'кол-во уникальных',
           'top': 'мода',
           'freq': 'частота моды'},
    columns={'genre': 'Жанр игры'})


data['genre'].value_counts().plot.box(
    title='Диаграмма размаха\nраспределения частоты\nвстречаемости жанра',
    label='Жанр',
    ylabel='Количество игр\nкаждого жанра',
    figsize=(3, 3))
plt.show()


data.loc[data['genre'] != 'misc', 'genre'].value_counts().plot.bar(
    rot=0,
    title='Диаграмма распределения игр по жанрам',
    xlabel='Жанр игры',
    ylabel='Частота',
    figsize=(10, 3))
plt.show()


pd.DataFrame(data['genre'].value_counts()).T.rename(
    index={'genre': 'количество игр'})


(data['user_score'] >= 0).value_counts().rename(
    index={0: 'Оценки нет', 1: 'Оценка есть'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения компьютерных игр' +
          '\nпо наличию оценок пользователей',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['user_score'] >= 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Оценки нет', 1: 'Оценка есть'},
    columns={'user_score': 'Относительная частота, %'}).T


descriptive_statistics(data.loc[data['user_score'] >= 0, 'user_score'],
                       'Оценка пользователей')


data.loc[data['user_score'] >= 0, 'user_score'].plot.box(
    title='Диаграмма размаха\nраспределения игр' +
          '\nпо значению оценки пользователя',
    label='Название игры',
    ylabel='Оценка пользователей',
    figsize=(3, 3))
plt.show()


data.loc[data['user_score'] >= 0, 'user_score'].plot.hist(
    bins=[0.3 * (n + 1) for n in range(35)],
    xticks=[n + 1 for n in range(10)],
    figsize=(10, 3))
plt.title('Диаграмма распределения игр по значению оценки пользователя')
plt.xlabel('Оценка пользователей')
plt.ylabel('Частота')
plt.show()


pd.DataFrame(
    data.loc[data['user_score'] >= 0, 'user_score'].value_counts()
).head(10).sort_index().T.rename(index={'user_score': 'Количество игр'})


(data['critic_score'] > 0).value_counts().rename(
    index={0: 'Оценки нет', 1: 'Оценка есть'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения компьютерных игр' +
          '\nпо наличию оценок критиков',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['critic_score'] > 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Оценки нет', 1: 'Оценка есть'},
    columns={'critic_score': 'Относительная частота, %'}).T


descriptive_statistics(data.loc[data['critic_score'] > 0, 'critic_score'],
                       'Оценка критиков')


data.loc[data['critic_score'] > 0, 'critic_score'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо значению оценки критиков',
    label='Название игры',
    ylabel='Оценка критиков',
    figsize=(3, 3))
plt.show()


data.loc[data['critic_score'] > 0, 'critic_score'].plot.hist(
    bins=[n + 1 for n in range(100)],
    xticks=[10 * n for n in range(11)],
    figsize=(10, 3))
plt.title('Диаграмма распределения игр по значению оценки критиков')
plt.xlabel('Оценка критиков')
plt.ylabel('Частота')
plt.show()


pd.DataFrame(
    data.loc[data['critic_score'] > 0, 'critic_score'].value_counts()
).head(10).sort_index().T.rename(index={'critic_score': 'Количество игр'})


(data['age'] >= 0).value_counts().rename(
    index={0: 'Рейтинга нет', 1: 'Рейтинг есть'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения компьютерных игр' +
          '\nпо наличию рейтинга ESRB',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['age'] >= 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Оценки нет', 1: 'Оценка есть'},
    columns={'age': 'Относительная частота, %'}).T


pd.DataFrame(data.loc[data['rating'] != 'nd', 'rating'].describe()).rename(
    index={'count': 'кол-во значений',
           'unique': 'кол-во уникальных',
           'top': 'мода',
           'freq': 'частота моды'},
    columns={'rating': 'Рейтинг ESRB'})


data.loc[data['age'] >= 0, 'age'].value_counts().plot.box(
    title='Диаграмма размаха\nчастоты встречаемости\nрейтинговой оценки ESRB',
    label='Название игры',
    ylabel='Количество игр\nв каждой категории',
    figsize=(3, 4))
plt.show()


data.loc[data['age'] >= 0, 'age'].value_counts().sort_index().plot.bar(
    rot=0,
    title='Диаграмма распределения игр по значению минимального возраста',
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Частота',
    figsize=(10, 3))
plt.show()


pd.DataFrame(
    data.loc[data['age'] >= 0, 'age'].value_counts().sort_index()
).T.rename(index={'age': 'количество игр'})


sns.heatmap(
    data.replace([-1, 'nd'], np.nan).sort_values(
        by=['rating', 'producer', 'platform'], ascending=False).isna(),
    cmap=sns.color_palette(['#000000', '#ffffff'])
)
plt.title('Тепловая карта распределения пропущенных значений')
plt.xlabel('Название признака')
plt.ylabel('Номер записи')
plt.show()


descriptive_statistics(data['total_sales'], 'Продажи в мире, млн копий')


data['total_sales'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо общим (мировым) продажам',
    label='Название игры',
    ylabel='Продажи, млн копий',
    ylim=(0, 1.25),
    figsize=(3, 3))
plt.show()


data.loc[data['total_sales'] < 1, 'total_sales'].plot.hist(figsize=(10, 3))
plt.title('Диаграмма распределения игр по общим (мировым) продажам')
plt.xlabel('Продажи, млн копий')
plt.ylabel('Частота')
plt.show()


pd.DataFrame(
    data.loc[data['total_sales'] > 0, 'total_sales'].value_counts().head(10).sort_index()
    ).T.rename(index={'total_sales': 'количество игр'})


(data['na_sales'] > 0).value_counts().rename(
    index={0: 'Продаж не было', 1: 'Продажи были'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения игр\nпо продажам в Северной Америке',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['na_sales'] > 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Продаж не было', 1: 'Продажи были'},
    columns={'na_sales': 'Относительная частота, %'}).T


descriptive_statistics(data.loc[data['na_sales'] > 0, 'na_sales'],
                       'Продажи в Северной Америке, млн копий')


data.loc[data['na_sales'] > 0, 'na_sales'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо продажам в Северной Америке',
    label='Название игры',
    ylabel='Продажи, млн копий',
    ylim=(0, 1),
    figsize=(3, 3))
plt.show()


data.loc[(data['na_sales'] > 0) & (data['na_sales'] < 1), 'na_sales'].plot.hist(figsize=(10, 3))
plt.title('Диаграмма распределения игр по продажам в Северной Америке')
plt.xlabel('Продажи, млн копий')
plt.ylabel('Количество игр')
plt.show()


pd.DataFrame(
    data.loc[data['na_sales'] > 0, 'na_sales'].value_counts().head(10).sort_index()
).T.rename(index={'na_sales': 'количество игр'})


(data['eu_sales'] > 0).value_counts().rename(
    index={0: 'Продаж не было', 1: 'Продажи были'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения игр\nпо продажам в Европе',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['eu_sales'] > 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Продаж не было', 1: 'Продажи были'},
    columns={'eu_sales': 'Относительная частота, %'}).T


descriptive_statistics(data.loc[data['eu_sales'] > 0, 'eu_sales'],
                       'Продажи в Европе, млн копий')


data.loc[data['eu_sales'] > 0, 'eu_sales'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо продажам в Европе',
    label='Название игры',
    ylabel='Продажи, млн копий',
    ylim=(0, 1),
    figsize=(3, 3))
plt.show()


data.loc[(data['eu_sales'] > 0) & (data['eu_sales'] < 1), 'eu_sales'].plot.hist(figsize=(10, 3))
plt.title('Диаграмма распределения игр по продажам в Европе')
plt.xlabel('Продажи, млн копий')
plt.ylabel('Количество игр')
plt.show()


pd.DataFrame(
    data.loc[data['eu_sales'] > 0, 'eu_sales'].value_counts().head(10).sort_index()
).T.rename(index={'eu_sales': 'количество игр'})


(data['jp_sales'] > 0).value_counts().rename(
    index={0: 'Продаж не было', 1: 'Продажи были'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения игр\nпо продажам в Японии',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['jp_sales'] > 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Продаж не было', 1: 'Продажи были'},
    columns={'jp_sales': 'Относительная частота, %'}).T


descriptive_statistics(data.loc[data['jp_sales'] > 0, 'jp_sales'],
                       'Продажи в Японии, млн копий')


data.loc[data['jp_sales'] > 0, 'jp_sales'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо продажам в Японии',
    label='Название игры',
    ylabel='Продажи, млн копий',
    ylim=(0, 1),
    figsize=(3, 3))
plt.show()


data.loc[(data['jp_sales'] > 0) & (data['jp_sales'] < 1), 'jp_sales'].plot.hist(figsize=(10, 3))
plt.title('Диаграмма распределения игр по продажам в Японии')
plt.xlabel('Продажи, млн копий')
plt.ylabel('Количество игр')
plt.show()


pd.DataFrame(
    data.loc[data['jp_sales'] > 0, 'jp_sales'].value_counts().head(10).sort_index()
).T.rename(index={'jp_sales': 'количество игр'})


(data['other_sales'] > 0).value_counts().rename(
    index={0: 'Продаж не было', 1: 'Продажи были'}
    ).plot.pie(
    title='Круговая диаграмма\nраспределения игр\nпо продажам в других регионах',
    label='',
    figsize=(10, 3))
plt.show()


pd.DataFrame((data['other_sales'] > 0).value_counts() /
             data.shape[0] * 100).round(0).astype('int').rename(
    index={0: 'Продаж не было', 1: 'Продажи были'},
    columns={'other_sales': 'Относительная частота, %'}).T


descriptive_statistics(data.loc[data['other_sales'] > 0, 'other_sales'],
                       'Продажи в остальных регионах, млн копий')


data.loc[data['other_sales'] > 0, 'other_sales'].plot.box(
    title='Диаграмма размаха\nраспределения игр\nпо продажам в других регионах',
    label='Название игры',
    ylabel='Продажи, млн копий',
    ylim=(0, 1),
    figsize=(3, 3))
plt.show()


data.loc[(data['other_sales'] > 0) & (data['other_sales'] < 1), 'other_sales'].plot.hist(figsize=(10, 3))
plt.title('Диаграмма распределения игр по продажам в других регионах')
plt.xlabel('Продажи, млн копий')
plt.ylabel('КОличество игр')
plt.show()


pd.DataFrame(
    data.loc[data['other_sales'] > 0, 'other_sales'].value_counts().head(10).sort_index()
).T.rename(index={'other_sales': 'количество игр'})


data.plot.scatter(
    x='year_of_release',
    y='generation',
    xlabel='Год выпуска игры',
    ylabel='Поколение игровой системы',
    title='Диаграмма рассеяния\n"Поколение игровой системы $-$ год выпуска игры"',
    figsize=(6, 3)
)
plt.show()


data.sort_values(by='producer', ascending=False).plot.scatter(
    x='year_of_release',
    y='producer',
    figsize=(6, 3),
    xlabel='Год выпуска игры',
    ylabel='Производитель платформы',
    title='Диаграмма рассеяния\n"Производитель платформы $-$ год выпуска игры"'
)
plt.show()


data.plot.scatter(
    x='year_of_release',
    y='platform',
    xlabel='Год выпуска игры',
    ylabel='Игровая платформа',
    title='Диаграмма рассеяния\n"Игровая платформа $-$ год выпуска игры"',
    figsize=(6, 6)
)
plt.show()


lifetime = data.groupby(['producer', 'platform'])['year_of_release'].agg(['min', 'max']).join(
data.groupby(['producer', 'platform'])['total_sales'].agg(['count', 'sum']))
lifetime['range'] = lifetime['max'] - lifetime['min'] + 1
lifetime = lifetime.reset_index().rename(columns={
    'producer': 'Производитель платформы',
    'platform': 'Платформа',
    'min': 'Год выпуска первой игры',
    'max': 'Год выпуска последней игры',
    'count': 'Количество игр',
    'sum': 'Объём продаж в мире, млн копий',
    'range': 'Время актуальности платформы, лет'})
lifetime.sort_values(by='Объём продаж в мире, млн копий',
                     ascending=False).head(10).reset_index(drop=True)


plt.figure(figsize=(12, 4))

for platform_name in data.loc[data['producer'] == 'sony', 'platform'] \
                         .sort_values().unique():
    plt.plot(data[data['platform'] == platform_name] \
             .groupby('year_of_release')['year_of_release'].agg('count'))

plt.legend(data.loc[data['producer'] == 'sony', 'platform'].sort_values().unique())
plt.title('Графики зависимости' +
          '\nколичества выпущенных игр для платформ Sony' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Количество игр')
plt.show()


plt.figure(figsize=(12, 4))
for platform_name in data.loc[data['producer'] == 'sony', 'platform'] \
                         .sort_values().unique():
    plt.plot(data[data['platform'] == platform_name] \
             .groupby('year_of_release')['total_sales'].agg('sum'))

plt.legend(data.loc[data['producer'] == 'sony', 'platform'].sort_values().unique())
plt.title('Графики зависимости' +
          '\nмировых продаж игр для платформ Sony' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Продажи, млн копий')
plt.show()


plt.figure(figsize=(12, 4))

for platform_name in data.loc[data['producer'] == 'nintendo', 'platform'] \
                         .sort_values().unique():
    plt.plot(data[data['platform'] == platform_name] \
             .groupby('year_of_release')['year_of_release'].agg('count'))

plt.legend(data.loc[data['producer'] == 'nintendo', 'platform'].sort_values().unique())
plt.title('Графики зависимости' +
          '\nколичества выпущенных игр для платформ Nintendo' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Количество игр')
plt.show()


plt.figure(figsize=(12, 4))

for platform_name in data.loc[data['producer'] == 'nintendo', 'platform'] \
                         .sort_values().unique():
    plt.plot(data[data['platform'] == platform_name] \
             .groupby('year_of_release')['total_sales'].agg('sum'))

plt.legend(data.loc[data['producer'] == 'nintendo', 'platform'].sort_values().unique())
plt.title('Графики зависимости' +
          '\nмировых продаж игр для платформ Nintendo' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Продажи, млн копий')
plt.show()


plt.figure(figsize=(12, 4))

for platform_name in data.loc[data['producer'] == 'microsoft', 'platform'] \
                         .sort_values().unique():
    plt.plot(data[data['platform'] == platform_name] \
             .groupby('year_of_release')['year_of_release'].agg('count'))

plt.legend(data.loc[data['producer'] == 'microsoft', 'platform'].sort_values().unique())
plt.title('Графики зависимости' +
          '\nколичества выпущенных игр для платформ Microsoft' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Количество игр')
plt.show()


plt.figure(figsize=(12, 4))

for platform_name in data.loc[data['producer'] == 'microsoft', 'platform'] \
                         .sort_values().unique():
    plt.plot(data[data['platform'] == platform_name] \
             .groupby('year_of_release')['total_sales'].agg('sum'))

plt.legend(data.loc[data['producer'] == 'microsoft', 'platform'].sort_values().unique())
plt.title('Графики зависимости' +
          '\nмировых продаж игр для платформ Microsoft' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Продажи, млн копий')
plt.show()


plt.figure(figsize=(12, 4))
plt.plot(data[data['platform'] == 'pc'] \
         .groupby('year_of_release')['year_of_release'].agg('count'))
plt.title('Графики зависимости' +
          '\nколичества выпущенных игр для персонального компьютера' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Количество игр')
plt.show()


plt.figure(figsize=(12, 4))
plt.plot(data[data['platform'] == 'pc'] \
         .groupby('year_of_release')['total_sales'].agg('sum'))
plt.title('Графики зависимости' +
          '\nмировых продаж игр для персонального компьютера' +
          '\nот года выпуска')
plt.xlabel('Год выпуска')
plt.ylabel('Продажи, млн копий')
plt.show()


actual_data = data[data['year_of_release'] >= 2012]
actual_data.sample(5)


pivot = actual_data.pivot_table(index='year_of_release',
                                columns='platform',
                                values='total_sales',
                                aggfunc='sum')
pivot.reset_index(drop=True, inplace=True)
pivot.plot.box()
plt.title('Диаграмма размаха\nраспределения годовых продаж игр по платформам')
plt.xlabel('Платформа')
plt.ylabel('Годовой объём продаж, млн копий')
plt.show()


pivot = actual_data.pivot_table(index='name',
                                columns='platform',
                                values='total_sales')
pivot.reset_index(drop=True, inplace=True)
pivot.plot.box()
plt.title('Диаграмма размаха' +
          '\nраспределения игр по объёму мировых продаж' +
          '\nдля каждой платформы')
plt.xlabel('Платформа')
plt.ylabel('Объём продаж одной игры, млн копий')
plt.show()


pivot = actual_data.pivot_table(index='name',
                                columns='platform',
                                values='total_sales')
pivot.reset_index(drop=True, inplace=True)
pivot.plot.box()
plt.ylim(0, 2)
plt.title('Диаграмма размаха' +
          '\nраспределения игр по объёму мировых продаж' +
          '\nдля каждой платформы')
plt.xlabel('Платформа')
plt.ylabel('Объём продаж одной игры, млн копий')
plt.yticks([0.2*n for n in range(10)])
plt.show()


actual_data[(actual_data['platform'] == 'ps4') &
            (actual_data['user_score'] > 0)].plot.scatter(
    x='user_score',
    y='total_sales',
    xlabel='Оценка пользователей',
    ylabel='Объём мировых продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка пользователей"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'ps4') &
                (actual_data['user_score'] > 0), 'user_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'ps4') &
                    (actual_data['user_score'] > 0), 'total_sales']).round(2)

-0.03


actual_data[(actual_data['platform'] == 'ps4') &
            (actual_data['critic_score'] > 0)].plot.scatter(
    x='critic_score',
    y='total_sales',
    xlabel='Оценка критиков',
    ylabel='Объём мировых продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'ps4') &
                (actual_data['critic_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'ps4') &
                    (actual_data['critic_score'] > 0), 'total_sales']).round(2)

0.41


actual_data[(actual_data['platform'] == 'ps4') &
            (actual_data['critic_score'] > 0)] \
.groupby('critic_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки критиков')
plt.show()


actual_data[(actual_data['platform'] == 'psv') &
            (actual_data['user_score'] > 0)].plot.scatter(
    x='user_score',
    y='total_sales',
    xlabel='Оценка пользователей',
    ylabel='Объём мировых продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка пользователей"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'psv') &
                (actual_data['user_score'] > 0), 'user_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'psv') &
                    (actual_data['user_score'] > 0), 'total_sales']).round(2)

-0.0


actual_data[(actual_data['platform'] == 'psv') &
            (actual_data['critic_score'] > 0)].plot.scatter(
    x='critic_score',
    y='total_sales',
    xlabel='Оценка критиков',
    ylabel='Объём мировых продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'psv') &
                (actual_data['critic_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'psv') &
                    (actual_data['critic_score'] > 0), 'total_sales']).round(2)

0.09


actual_data[(actual_data['platform'] == 'psv') &
            (actual_data['critic_score'] > 0) &
            (actual_data['critic_score'] < 40)]


actual_data.loc[(actual_data['platform'] == 'psv') &
                (actual_data['critic_score'] > 0) &
                (actual_data['critic_score'] > 40), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'psv') &
                    (actual_data['critic_score'] > 0) &
                    (actual_data['critic_score'] > 40), 'total_sales']).round(2)

0.3


actual_data[(actual_data['platform'] == 'psv') &
            (actual_data['critic_score'] > 0) &
            (actual_data['critic_score'] > 40)] \
    .groupby('critic_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки критиков')
plt.show()


actual_data[(actual_data['platform'] == 'wiiu') &
            (actual_data['user_score'] > 0)].plot.scatter(
    x='user_score',
    y='total_sales',
    xlabel='Оценка пользователей',
    ylabel='Объём мировых продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка пользователей"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'wiiu') &
                (actual_data['user_score'] > 0), 'user_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'wiiu') &
                    (actual_data['user_score'] > 0), 'total_sales']).round(2)

0.4


actual_data[(actual_data['platform'] == 'wiiu') &
            (actual_data['user_score'] > 0)] \
    .groupby('user_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка пользователей')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки пользователей')
plt.show()


actual_data[(actual_data['platform'] == 'wiiu') &
            (actual_data['critic_score'] > 0)].plot.scatter(
    x='critic_score',
    y='total_sales',
    xlabel='Оценка критиков',
    ylabel='Объём мировых продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'wiiu') &
                (actual_data['critic_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'wiiu') &
                    (actual_data['critic_score'] > 0), 'total_sales']).round(2)

0.35


actual_data[(actual_data['platform'] == 'wiiu') &
            (actual_data['critic_score'] > 0)] \
    .groupby('critic_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки критиков')
plt.show()


actual_data[(actual_data['platform'] == '3ds') &
            (actual_data['user_score'] > 0)].plot.scatter(
    x='user_score',
    y='total_sales',
    xlabel='Оценка пользователей',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка пользователей"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == '3ds') &
                (actual_data['user_score'] > 0), 'user_score'].corr(
    actual_data.loc[(actual_data['platform'] == '3ds') &
                    (actual_data['user_score'] > 0), 'total_sales']).round(2)

0.2


actual_data[(actual_data['platform'] == '3ds') &
            (actual_data['critic_score'] > 0)].plot.scatter(
    x='critic_score',
    y='total_sales',
    xlabel='Оценка критиков',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == '3ds') &
                (actual_data['critic_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == '3ds') &
                    (actual_data['critic_score'] > 0), 'total_sales']).round(2)

0.32


actual_data[(actual_data['platform'] == '3ds') &
            (actual_data['critic_score'] > 0)] \
    .groupby('critic_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки критиков')
plt.show()


actual_data[(actual_data['platform'] == 'xone') &
            (actual_data['user_score'] > 0)].plot.scatter(
    x='user_score',
    y='total_sales',
    xlabel='Оценка пользователей',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка пользователей"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'xone') &
                (actual_data['user_score'] > 0), 'user_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'xone') &
                    (actual_data['user_score'] > 0), 'total_sales']).round(2)

-0.07


actual_data[(actual_data['platform'] == 'xone') &
            (actual_data['critic_score'] > 0)].plot.scatter(
    x='critic_score',
    y='total_sales',
    xlabel='Оценка критиков',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'xone') &
                (actual_data['critic_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'xone') &
                    (actual_data['critic_score'] > 0), 'total_sales']).round(2)

0.42


actual_data[(actual_data['platform'] == 'xone') &
            (actual_data['critic_score'] > 0)] \
    .groupby('critic_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки критиков')
plt.show()


actual_data[(actual_data['platform'] == 'pc') &
            (actual_data['user_score'] > 0)].plot.scatter(
    x='user_score',
    y='total_sales',
    xlabel='Оценка пользователей',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка пользователей"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'pc') &
                (actual_data['user_score'] > 0), 'user_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'pc') &
                    (actual_data['user_score'] > 0), 'total_sales']).round(2)

-0.12


actual_data[(actual_data['platform'] == 'pc') &
            (actual_data['critic_score'] > 0)].plot.scatter(
    x='critic_score',
    y='total_sales',
    xlabel='Оценка критиков',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма рассеяния\n"Объём мировых продаж $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['platform'] == 'pc') &
                (actual_data['critic_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['platform'] == 'pc') &
                    (actual_data['critic_score'] > 0), 'total_sales']).round(2)

0.24


actual_data[(actual_data['platform'] == 'pc') &
            (actual_data['critic_score'] > 0)] \
    .groupby('critic_score')['total_sales'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Объём продаж, млн копий')
plt.title('График зависимости' +
          '\nмедианного значения объёма мировых продаж' +
          '\nот оценки критиков')
plt.show()


actual_data.loc[(actual_data['critic_score'] > 0) &
                (actual_data['user_score'] > 0)].plot.scatter(
    x='critic_score',
    y='user_score',
    xlabel='Оценка критиков',
    ylabel='Оценка пользователей',
    title='Диаграмма рассеяния\n"Оценка пользователей $-$ оценка критиков"',
    alpha=0.2,
    figsize=(6, 4))
plt.show()


actual_data.loc[(actual_data['critic_score'] > 0) &
                (actual_data['user_score'] > 0), 'critic_score'].corr(
    actual_data.loc[(actual_data['critic_score'] > 0) &
                    (actual_data['user_score'] > 0), 'user_score']).round(2)

0.52


actual_data.loc[(actual_data['critic_score'] > 0) &
                (actual_data['user_score'] > 0)] \
    .groupby('critic_score')['user_score'].agg('median').plot(figsize=(6, 4))
plt.xlabel('Оценка критиков')
plt.ylabel('Оценка пользователей')
plt.title('График зависимости' +
          '\nмедианных значений оценок пользователей и' +
          '\nоценок критиков')
plt.show()


sns.heatmap(
    actual_data.replace([-1, 'nd'], np.nan).sort_values(
        by=['rating', 'producer', 'platform', 'genre']).isna(),
    cmap=sns.color_palette(['#000000', '#ffffff'])
)
plt.title('Тепловая карта\nраспределения пропущенных значений')
plt.xlabel('Название признака')
plt.ylabel('Номер записи')
plt.show()


actual_data['genre'].value_counts().sort_index().plot.bar(
    rot=0,
    title='Диаграмма распределения игр по жанрам',
    xlabel='Жанр игры',
    ylabel='Количество выпущенных игр',
    figsize=(12, 4))
plt.show()


actual_data.pivot_table(index='name',
                        columns='genre',
                        values='total_sales'
                       ).plot.box(
    xlabel='Жанр игры',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          'распределения игр по объёму мировых продаж для разных платформ',
    ylim=(0, 3.5),
    figsize=(12, 5)
)
plt.show()


actual_data.groupby('genre')['total_sales'].agg('sum').plot.bar(
    rot=0,
    xlabel='Жанры',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма распределения мирового объёма продаж игр каждого жанра',
    figsize=(12, 4))
plt.show()


sales = actual_data.groupby('platform')['na_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('platform')['na_sales'].agg('sum') /
 actual_data['na_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'platform': 'Платформа',
    'count':
    'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'na_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


sales = actual_data.groupby('genre')['na_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('genre')['na_sales'].agg('sum') /
 actual_data['na_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'genre': 'Жанр',
    'count': 'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'na_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


actual_data[(actual_data['age'] != 100) &
            (actual_data['age'] != 3)].pivot_table(
    index='name', columns='age', values='na_sales', aggfunc='sum').plot.box(
    ylim=(-0.05, 2.5),
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения игр по объёму продаж' +
          '\nв Северной Америке' +
          '\nдля разных возрастных категорий',
    figsize=(6, 4)
)
plt.show()


actual_data[(actual_data['age'] != 100) &
            (actual_data['age'] != 3)] \
    .groupby('age')['na_sales'].agg('sum').plot.bar(
    rot=0,
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма распределения' +
          '\nобъёмов продаж игр' +
          '\nв Северной Америке' +
          '\nдля разных возрастных категорий',
    figsize=(6, 3)
)
plt.show()


sales = actual_data.groupby('platform')['eu_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('platform')['eu_sales'].agg('sum') /
 actual_data['eu_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'platform': 'Платформа',
    'count':
    'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'eu_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


sales = actual_data.groupby('genre')['eu_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('genre')['eu_sales'].agg('sum') /
 actual_data['eu_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'genre': 'Жанр',
    'count': 'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'eu_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


actual_data[(actual_data['age'] != 100) & (actual_data['age'] != 3)].pivot_table(
    index='name', columns='age', values='eu_sales', aggfunc='sum').plot.box(
    ylim=(-0.05, 2),
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения игр по объёму продаж' +
          '\nв Европе' +
          '\nдля разных возрастных категорий',
    figsize=(6, 4)
)
plt.show()


actual_data[(actual_data['age'] != 100) &
            (actual_data['age'] != 3)] \
    .groupby('age')['eu_sales'].agg('sum').plot.bar(
    rot=0,
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения объёмов продаж игр' +
          '\nв Европе' +
          '\nдля разных возрастных категорий',
    figsize=(6, 3)
)
plt.show()


sales = actual_data.groupby('platform')['jp_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('platform')['jp_sales'].agg('sum') /
 actual_data['jp_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'platform': 'Платформа',
    'count':
    'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'jp_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


sales = actual_data.groupby('genre')['jp_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('genre')['jp_sales'].agg('sum') /
 actual_data['jp_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'genre': 'Жанр',
    'count': 'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'jp_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


actual_data[(actual_data['age'] != 100) & (actual_data['age'] != 3)].pivot_table(
    index='name', columns='age', values='jp_sales', aggfunc='sum').plot.box(
    ylim=(-0.01, 0.4),
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения игр по объёму продаж' +
          '\nв Японии' +
          '\nдля разных возрастных категорий',
    figsize=(6, 4)
)
plt.show()


actual_data[(actual_data['age'] != 100) &
            (actual_data['age'] != 3)] \
    .groupby('age')['jp_sales'].agg('sum').plot.bar(
    rot=0,
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения объёмов продаж игр' +
          '\nв Японии' +
          '\nдля разных возрастных категорий',
    figsize=(6, 3)
)
plt.show()


sales = actual_data.groupby('platform')['other_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('platform')['other_sales'].agg('sum') /
 actual_data['other_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'platform': 'Платформа',
    'count':
    'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'other_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


sales = actual_data.groupby('genre')['other_sales'].agg(['count', 'sum']).join(
(actual_data.groupby('genre')['other_sales'].agg('sum') /
 actual_data['other_sales'].sum() * 100).round(1)) \
.reset_index().rename(columns={
    'genre': 'Жанр',
    'count': 'Количество выпущеных игр',
    'sum': 'Объём продаж, млн копий',
    'other_sales': 'Доля в объёме продаж, %'
})
sales.sort_values(by='Доля в объёме продаж, %', ascending=False).head(5)


actual_data[(actual_data['age'] != 100) & (actual_data['age'] != 3)].pivot_table(
    index='name', columns='age', values='other_sales', aggfunc='sum').plot.box(
    ylim=(-0.01, 0.65),
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения игр по объёму продаж' +
          '\nв других регионах' +
          '\nдля разных возрастных категорий',
    figsize=(6, 4)
)
plt.show()


actual_data[(actual_data['age'] != 100) &
            (actual_data['age'] != 3)] \
    .groupby('age')['other_sales'].agg('sum').plot.bar(
    rot=0,
    xlabel='Минимальный возраст (согласно рейтингу ESRB)',
    ylabel='Объём продаж, млн копий',
    title='Диаграмма размаха' +
          '\nраспределения объёмов продаж игр' +
          '\nв других регионах' +
          '\nдля разных возрастных категорий',
    figsize=(6, 3)
)
plt.show()


alpha = .05

results = st.ttest_ind(
    actual_data.loc[(actual_data['platform'] == 'xone') &
                    (actual_data['user_score'] >= 0), 'user_score'],
    actual_data.loc[(actual_data['platform'] == 'pc') &
                    (actual_data['user_score'] >= 0), 'user_score']
)

print('p-значение:', results.pvalue.round(3))

if results.pvalue < alpha:
    print("Отвергаем нулевую гипотезу")
else:
    print("Не получилось отвергнуть нулевую гипотезу")

p-значение: 0.564
Не получилось отвергнуть нулевую гипотезу


print('Средняя пользовательская оценка игр для платформы Xbox One:',
      actual_data.loc[(actual_data['platform'] == 'xone') &
                      (actual_data['user_score'] >= 0),
                      'user_score'].mean().round(1))

print('Средняя пользовательская оценка игр для персонального компьютера:',
      actual_data.loc[(actual_data['platform'] == 'pc') &
                      (actual_data['user_score'] >= 0),
                      'user_score'].mean().round(1))

Средняя пользовательская оценка игр для платформы Xbox One: 6.5
Средняя пользовательская оценка игр для персонального компьютера: 6.4


alpha = .05

results = st.ttest_ind(
    actual_data.loc[(actual_data['genre'] == 'action') &
                    (actual_data['user_score'] >= 0), 'user_score'],
    actual_data.loc[(actual_data['genre'] == 'sports') &
                    (actual_data['user_score'] >= 0), 'user_score']
)

print('p-значение:', f'{results.pvalue:.1}')

if results.pvalue < alpha:
    print("Отвергаем нулевую гипотезу")
else:
    print("Не получилось отвергнуть нулевую гипотезу")

p-значение: 4e-26
Отвергаем нулевую гипотезу


print('Средняя пользовательская оценка игр жанра экшен:',
      actual_data.loc[(actual_data['genre'] == 'action') &
                      (actual_data['user_score'] >= 0),
                      'user_score'].mean().round(1))
print('Средняя пользовательская оценка игр жанра спортивные игры:',
      actual_data.loc[(actual_data['genre'] == 'sports') &
                      (actual_data['user_score'] >= 0),
                      'user_score'].mean().round(1))

Средняя пользовательская оценка игр жанра экшен: 6.8
Средняя пользовательская оценка игр жанра спортивные игры: 5.5

	Name	Platform	Year_of_Release	Genre	NA_sales	EU_sales	JP_sales	Other_sales	Critic_Score	User_Score	Rating
0	Wii Sports	Wii	2006.0	Sports	41.36	28.96	3.77	8.45	76.0	8	E
1	Super Mario Bros.	NES	1985.0	Platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	Mario Kart Wii	Wii	2008.0	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E
3	Wii Sports Resort	Wii	2009.0	Sports	15.61	10.93	3.28	2.95	80.0	8	E
4	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN
5	Tetris	GB	1989.0	Puzzle	23.20	2.26	4.22	0.58	NaN	NaN	NaN
6	New Super Mario Bros.	DS	2006.0	Platform	11.28	9.14	6.50	2.88	89.0	8.5	E
7	Wii Play	Wii	2006.0	Misc	13.96	9.18	2.93	2.84	58.0	6.6	E
8	New Super Mario Bros. Wii	Wii	2009.0	Platform	14.44	6.94	4.70	2.24	87.0	8.4	E
9	Duck Hunt	NES	1984.0	Shooter	26.93	0.63	0.28	0.47	NaN	NaN	NaN

	Name	Platform	Year_of_Release	Genre	NA_sales	EU_sales	JP_sales	Critic_Score	User_Score	Rating
16705	15 Days	PC	2009.0	Adventure	0.00	0.01	0.00	63.0	5.8	NaN
16706	Men in Black II: Alien Escape	GC	2003.0	Shooter	0.01	0.00	0.00	NaN	tbd	T
16707	Aiyoku no Eustia	PSV	2014.0	Misc	0.00	0.00	0.01	NaN	NaN	NaN
16708	Woody Woodpecker in Crazy Castle 5	GBA	2002.0	Platform	0.01	0.00	0.00	NaN	NaN	NaN
16709	SCORE International Baja 1000: The Official Game	PS2	2008.0	Racing	0.00	0.00	0.00	NaN	NaN	NaN
16710	Samurai Warriors: Sanada Maru	PS3	2016.0	Action	0.00	0.00	0.01	NaN	NaN	NaN
16711	LMA Manager 2007	X360	2006.0	Sports	0.00	0.01	0.00	NaN	NaN	NaN
16712	Haitaka no Psychedelica	PSV	2016.0	Adventure	0.00	0.00	0.01	NaN	NaN	NaN
16713	Spirits & Spells	GBA	2003.0	Platform	0.01	0.00	0.00	NaN	NaN	NaN
16714	Winning Post 8 2016	PSV	2016.0	Simulation	0.00	0.00	0.01	NaN	NaN	NaN

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
0	Wii Sports	Wii	2006.0	Sports	41.36	28.96	3.77	8.45	76.0	8	E
1	Super Mario Bros.	NES	1985.0	Platform	29.08	3.58	6.81	0.77	NaN	NaN	NaN
2	Mario Kart Wii	Wii	2008.0	Racing	15.68	12.76	3.79	3.29	82.0	8.3	E
3	Wii Sports Resort	Wii	2009.0	Sports	15.61	10.93	3.28	2.95	80.0	8	E
4	Pokemon Red/Pokemon Blue	GB	1996.0	Role-Playing	11.27	8.89	10.22	1.00	NaN	NaN	NaN

	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	year_of_release
count	16715.00	16715.00	16715.00	16715.00	8137.00	10014	16446.00
unique	NaN	NaN	NaN	NaN	NaN	96	NaN
top	NaN	NaN	NaN	NaN	NaN	tbd	NaN
freq	NaN	NaN	NaN	NaN	NaN	2424	NaN
mean	0.26	0.15	0.08	0.05	68.97	NaN	2006.48
std	0.81	0.50	0.31	0.19	13.94	NaN	5.88
min	0.00	0.00	0.00	0.00	13.00	NaN	1980.00
25%	0.00	0.00	0.00	0.00	60.00	NaN	2003.00
50%	0.08	0.02	0.00	0.01	71.00	NaN	2007.00
75%	0.24	0.11	0.04	0.03	79.00	NaN	2010.00
max	41.36	28.96	10.22	10.57	98.00	NaN	2016.00

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
659	NaN	GEN	1993.0	NaN	1.78	0.53	0.00	0.08	NaN	NaN	NaN
14244	NaN	GEN	1993.0	NaN	0.00	0.00	0.03	0.00	NaN	NaN	NaN

	name	platform	genre	rating
count	16713	16715	16713	9949
unique	11559	31	12	8
top	Need for Speed: Most Wanted	PS2	Action	E
freq	12	2161	3369	3990

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
393	fifa soccer 2003	ps2	2002.0	sports	0.46	2.28	0.05	0.61	88.0	6.7	e
3183	fifa soccer 2003	xb	2002.0	sports	0.20	0.40	0.00	0.04	88.0	7.7	e
11457	fifa soccer 2003	gc	2002.0	sports	0.06	0.02	0.00	0.00	86.0	7.8	e
12917	fifa soccer 2003	gba	2002.0	sports	0.04	0.01	0.00	0.00	76.0	-1	e
13665	fifa soccer 2003 (weekly jp sales)	ps2	2002.0	sports	0.00	0.00	0.04	0.00	NaN	NaN	NaN

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
12799	dance dance revolution: mario mix	gc	2005.0	misc	0.00	0.00	0.05	0.00	NaN	NaN	NaN
4203	dance dance revolution: mario mix	gc	2005.0	misc	0.36	0.09	0.00	0.01	69.0	8.4	e
2579	dragon ball z: budokai tenkaichi 2	ps2	2006.0	fighting	0.66	0.02	0.00	0.11	73.0	8.6	t
6100	dragon ball z: budokai tenkaichi 2	wii	2006.0	fighting	0.24	0.03	0.00	0.02	72.0	8.5	t
5294	dragon ball z: budokai tenkaichi 2	wii	NaN	fighting	0.15	0.05	0.14	0.01	NaN	NaN	NaN
9953	dragon ball: origins	ds	2008.0	action	0.08	0.02	0.00	0.01	78.0	7.5	t
7213	dragon ball: origins	ds	2008.0	action	0.04	0.00	0.17	0.00	NaN	NaN	NaN
15969	earth defense force 2017	x360	2006.0	action	0.00	0.00	0.02	0.00	NaN	NaN	NaN
11571	earth defense force 2017	x360	2006.0	action	0.04	0.00	0.03	0.00	69.0	7.7	t
12353	fishing master	wii	2007.0	sports	0.00	0.00	0.06	0.00	NaN	NaN	NaN
5707	fishing master	wii	2007.0	sports	0.29	0.00	0.00	0.02	58.0	8.1	e
10984	prinny: can i really be the hero?	psp	2008.0	platform	0.03	0.00	0.05	0.01	72.0	7	t
12568	prinny: can i really be the hero?	psp	NaN	platform	0.06	0.00	0.00	0.00	NaN	NaN	NaN
11088	scrabble	psp	2009.0	puzzle	0.08	0.00	0.00	0.01	NaN	-1	e
6619	scrabble	ps	1999.0	puzzle	0.14	0.10	0.00	0.02	NaN	NaN	NaN
6643	scrabble	ds	2009.0	puzzle	0.20	0.02	0.00	0.03	NaN	-1	e
6968	scrabble	ds	2009.0	puzzle	0.00	0.23	0.00	0.00	NaN	NaN	NaN
4116	scrabble 2007 edition	ds	2007.0	puzzle	0.00	0.47	0.00	0.00	NaN	NaN	NaN
12785	scrabble blast!	gba	2005.0	puzzle	0.04	0.01	0.00	0.00	NaN	NaN	NaN
6752	sorry! / aggravation / scrabble junior	gba	2005.0	puzzle	0.18	0.07	0.00	0.00	NaN	NaN	NaN
8743	the godfather: blackhand edition	wii	2007.0	action	0.14	0.00	0.00	0.01	77.0	8.5	m
8155	tomb raider: underworld	ps2	2009.0	action	0.09	0.04	0.00	0.05	NaN	5.8	t
7862	tomb raider: underworld	ds	2008.0	action	0.15	0.02	0.00	0.01	70.0	8.4	t
6567	tomb raider: underworld	ps2	2009.0	action	0.00	0.21	0.00	0.04	NaN	NaN	NaN
11589	tomb raider: underworld	pc	2008.0	action	0.00	0.06	0.00	0.01	80.0	7.7	t
4299	tomb raider: underworld	wii	2008.0	action	0.13	0.27	0.00	0.05	70.0	7.2	t
1924	tomb raider: underworld	x360	2008.0	action	0.53	0.42	0.01	0.11	76.0	6.6	t
1579	tomb raider: underworld	ps3	2008.0	action	0.45	0.55	0.05	0.22	75.0	7.2	t
4731	yu-gi-oh! the eternal duelist soul	gba	2001.0	strategy	0.00	0.00	0.40	0.01	NaN	NaN	NaN
815	yu-gi-oh! the eternal duelist soul	gba	2001.0	strategy	1.64	0.36	0.00	0.07	NaN	NaN	NaN

	Всего пропусков	%
critic_score	8555	51.3
rating	6743	40.4
user_score	6678	40.0
year_of_release	268	1.6
name	0	0.0
platform	0	0.0
genre	0	0.0
na_sales	0	0.0
eu_sales	0	0.0
jp_sales	0	0.0
other_sales	0	0.0

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating
7087	.hack//g.u. vol.2//reminisce	ps2	2006	role-playing	0.11	0.09	0.00	0.03	NaN	NaN	NaN
8597	.hack//g.u. vol.2//reminisce	ps2	2006	role-playing	0.00	0.00	0.16	0.00	NaN	NaN	NaN
5455	ape escape academy	psp	2004	misc	0.13	0.15	0.00	0.05	51.0	5.8	e10+
9249	ape escape academy	psp	2004	misc	0.00	0.00	0.13	0.00	NaN	NaN	NaN
5979	atelier iris 3: grand phantasm	ps2	2006	role-playing	0.14	0.11	0.00	0.04	NaN	NaN	NaN
13825	atelier iris 3: grand phantasm	ps2	2006	role-playing	0.00	0.00	0.04	0.00	NaN	NaN	NaN
4400	battlefield 2: modern combat	ps2	2005	shooter	0.37	0.01	0.00	0.06	80.0	8.5	t
15015	battlefield 2: modern combat	ps2	2005	shooter	0.00	0.00	0.02	0.00	NaN	NaN	NaN
8805	bleach: dark souls	ds	2007	fighting	0.12	0.02	0.00	0.01	82.0	7.9	t
10670	bleach: dark souls	ds	2007	fighting	0.00	0.00	0.10	0.00	NaN	NaN	NaN

	Всего пропусков	%
critic_score	8458	51.0
rating	6646	40.1
user_score	6581	39.7
name	0	0.0
platform	0	0.0
year_of_release	0	0.0
genre	0	0.0
na_sales	0	0.0
eu_sales	0	0.0
jp_sales	0	0.0
other_sales	0	0.0

	na_sales	eu_sales	jp_sales	other_sales	total_sales
4597	0.35	0.05	0.00	0.02	0.42
8478	0.12	0.03	0.00	0.01	0.16
13566	0.03	0.01	0.00	0.00	0.04
3009	0.00	0.00	0.67	0.00	0.67
4125	0.23	0.18	0.00	0.06	0.47
7664	0.00	0.00	0.20	0.00	0.20
12251	0.00	0.00	0.07	0.00	0.07

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating	total_sales
16676	g1 jockey 4 2008	ps3	2008	sports	0.0	0.0	0.0	0.0	-1.0	-1.0	nd	0.0
16709	score international baja 1000: the official game	ps2	2008	racing	0.0	0.0	0.0	0.0	-1.0	-1.0	nd	0.0

	name	platform	year_of_release	genre	na_sales	eu_sales	other_sales	critic_score	user_score	rating	total_sales	age	generation	producer
0	indy 500	2600	1977	racing	0.26	0.01	0.00	-1.0	-1.0	nd	0.27	-1	2	atari
1	combat	2600	1977	action	1.17	0.07	0.01	-1.0	-1.0	nd	1.25	-1	2	atari
2	circus atari	2600	1977	action	0.43	0.03	0.00	-1.0	-1.0	nd	0.46	-1	2	atari
3	air-sea battle	2600	1977	shooter	0.91	0.06	0.01	-1.0	-1.0	nd	0.98	-1	2	atari
4	breakaway iv	2600	1978	puzzle	0.20	0.01	0.00	-1.0	-1.0	nd	0.21	-1	2	atari

	Название игры
кол-во значений	16591
кол-во уникальных	11431
мода	need for speed: most wanted
частота моды	12

	rating	age
15493	nd	-1
3411	nd	-1
15968	nd	-1
9674	m	17
9016	t	13
12530	e	0
5706	nd	-1

	Год выпуска
кол-во значений	16591
кол-во уникальных	40
мин.	1977
-1.5IQR	1996.5
25 %	2003.0
мода	[2009]
медиана	2007.0
среднее ариф.	2006.47
75 %	2010.0
+1.5IQR	2017.5
макс.	2016
размах	39
межквартильный размах	7.0

	Поколения игровых систем
кол-во значений	16591
кол-во уникальных	7
мин.	2
-1.5IQR	5.5
25 %	6.0
мода	[7]
медиана	7.0
среднее ариф.	6.51
75 %	7.0
+1.5IQR	8.5
макс.	8
размах	6
межквартильный размах	1.0

	частота
need for speed: most wanted	12
madden nfl 07	9
ratatouille	9
fifa 14	9
lego marvel super heroes	9

	Оценка пользователей
кол-во значений	7588
кол-во уникальных	95
мин.	0.0
-1.5IQR	4.8
25 %	6.4
мода	[7.8]
медиана	7.5
среднее ариф.	7.13
75 %	8.2
+1.5IQR	10.2
макс.	9.7
размах	9.7
межквартильный размах	1.8

	Оценка критиков
кол-во значений	8135
кол-во уникальных	82
мин.	13.0
-1.5IQR	42.5
25 %	60.0
мода	[70.0]
медиана	71.0
среднее ариф.	68.97
75 %	79.0
+1.5IQR	99.5
макс.	98.0
размах	85.0
межквартильный размах	19.0

	Рейтинг ESRB
кол-во значений	9947
кол-во уникальных	7
мода	e
частота моды	3992

	Продажи в Северной Америке, млн копий
кол-во значений	12185
кол-во уникальных	405
мин.	0.01
-1.5IQR	-0.28
25 %	0.06
мода	[0.02]
медиана	0.14
среднее ариф.	0.36
75 %	0.34
+1.5IQR	0.56
макс.	41.36
размах	41.35
межквартильный размах	0.28

	Продажи в Европе, млн копий
кол-во значений	10825
кол-во уникальных	308
мин.	0.01
-1.5IQR	-0.2
25 %	0.02
мода	[0.01]
медиана	0.07
среднее ариф.	0.22
75 %	0.2
+1.5IQR	0.34
макс.	28.96
размах	28.95
межквартильный размах	0.18

	Продажи в Японии, млн копий
кол-во значений	6184
кол-во уникальных	243
мин.	0.01
-1.5IQR	-0.17
25 %	0.03
мода	[0.02]
медиана	0.07
среднее ариф.	0.21
75 %	0.19
+1.5IQR	0.31
макс.	10.22
размах	10.21
межквартильный размах	0.16

	Продажи в остальных регионах, млн копий
кол-во значений	10092
кол-во уникальных	154
мин.	0.01
-1.5IQR	-0.07
25 %	0.01
мода	[0.01]
медиана	0.02
среднее ариф.	0.08
75 %	0.07
+1.5IQR	0.11
макс.	10.57
размах	10.56
межквартильный размах	0.06

	Производитель платформы	Платформа	Год выпуска первой игры	Год выпуска последней игры	Количество игр	Объём продаж в мире, млн копий	Время актуальности платформы, лет
0	sony	ps2	2000	2011	2128	1249.95	12
1	microsoft	x360	2005	2016	1256	971.41	12
2	sony	ps3	2006	2016	1327	939.65	11
3	nintendo	wii	2006	2016	1312	907.51	11
4	nintendo	ds	2004	2013	2115	805.82	10
5	sony	ps	1994	2003	1196	730.86	10
6	nintendo	gba	2000	2007	817	316.17	8
7	sony	ps4	2013	2016	392	314.14	4
8	sony	psp	2004	2015	1192	294.05	12
9	pc	pc	1985	2016	974	259.52	32

	name	platform	year_of_release	genre	na_sales	eu_sales	jp_sales	other_sales	critic_score	user_score	rating	total_sales	age	generation	producer
14523	tiger woods pga tour 14	ps3	2013	sports	0.16	0.14	0.00	0.07	74.0	3.8	e	0.37	0	7	sony
15834	shovel knight	3ds	2015	platform	0.08	0.04	0.02	0.01	90.0	8.2	e	0.15	0	8	nintendo
16194	trackmania turbo	ps4	2016	action	0.03	0.26	0.00	0.05	81.0	7.9	e	0.34	0	8	sony
15764	metal gear solid v: the phantom pain	ps3	2015	action	0.22	0.13	0.22	0.07	-1.0	7.2	m	0.64	17	7	sony
14842	shirahana no ori: hiiro no kakera 4 - shiki no...	psp	2013	adventure	0.00	0.00	0.01	0.00	-1.0	-1.0	nd	0.01	-1	7	sony

Исследование продаж компьютерных игр¶

Содержание

Обзор данных¶

Импорт библиотек и предварительные настройки¶

Чтение файла и загрузка данных¶

Общая характеристика набора данных¶

Преобразование наименований признаков¶

Понимание данных¶

Описание данных¶

Признаки, измеряемые в шкале отношений, абсолютной и интервальной шкалах¶

Признаки, измеряемые в номинальной шкале¶

Предобработка данных¶

Обработка текстовых значений и извлечение вложенных сведений¶

Жанр компьютерной игры¶

Рейтинг пользователей¶

Название компьютерной игры¶

Название платформы¶

Категории рейтинга ESRB¶

Обработка аномальных и несогласованных значений¶

Информация о сроках продаж в названии игры¶

Информация о регионах продаж в названии игры¶

Согласование значений года выпуска и названия платформы¶

Категории рейтинга ESRB¶

Обработка пропусков¶

Год выпуска¶

Изменение типов данных¶

Обработка дубликатов¶

Обработка пропусков (продолжение)¶

Рейтинги критиков и пользователей¶

Категории рейтинга ESRB¶

Обогащение данных¶

Создание производных признаков¶

Категоризация данных¶

Исследовательский анализ данных¶

Описательный анализ данных¶

Характеристики компьютерных игр¶

Название игры¶

Год выпуска игры¶

Название платформы¶

Поколения игровых систем¶

Производитель платформ¶

Жанр игры¶

Характеристики оценок¶

Оценка пользователей¶

Оценка критиков¶

Рейтинг ESRB и возрастные категории¶

Характеристики продаж¶

Общие (мировые) продажи¶

Продажи в Северной Америке¶

Продажи в Европе¶

Продажи в Японии¶

Продажи в других регионах¶

Корреляционный анализ данных¶

Игровые платформы¶

Выделение в данных актуального периода¶

Платформы производства Sony¶

Платформы производства Nintendo¶

Платформы производства Microsoft¶

Персональный компьютер как игровая платформа¶

Анализ данных за актуальный период¶

Распределение продаж игр по платформам¶

Влияние оценок пользователей и критиков¶

Sony PlayStation 4¶

Sony PlayStation Vita¶

Nintendo WiiU¶

Nintendo 3DS¶

Microsoft Xbox One¶

Персональный компьютер¶

Корреляция оценок критиков и пользователей¶

Распределение игр по жанрам¶

Распределение предпочтений по регионам¶

Пользователь из Северной Америки¶

Пользователь из Европы¶

Пользователь из Японии¶

Пользователь из других регионов¶

Проверка гипотез¶

Сравнение оценок платформы Xbox One и персонального компьютера¶

Сравнение оценок жанров экшен и спортивные игры¶

Общий вывод¶

	Платформа	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
9	x360	295	140.12	23.7
4	ps4	392	108.74	18.4
3	ps3	493	103.44	17.5
10	xone	247	93.12	15.8
0	3ds	398	55.31	9.4

	Жанр	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
0	action	1034	177.92	30.1
8	shooter	238	144.79	24.5
10	sports	268	81.53	13.8
7	role-playing	371	64.00	10.8
3	misc	192	38.19	6.5

	Платформа	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
4	ps4	392	141.09	27.8
3	ps3	493	106.86	21.1
9	x360	295	74.55	14.7
10	xone	247	51.59	10.2
0	3ds	398	42.64	8.4

	Жанр	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
0	action	1034	159.82	31.5
8	shooter	238	113.50	22.4
10	sports	268	69.09	13.6
7	role-playing	371	48.53	9.6
6	racing	115	27.29	5.4

	Платформа	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
0	3ds	398	87.84	45.6
3	ps3	493	35.29	18.3
6	psv	411	21.04	10.9
4	ps4	392	15.96	8.3
8	wiiu	147	13.01	6.7

	Жанр	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
7	role-playing	371	65.47	34.0
0	action	1034	52.80	27.4
3	misc	192	12.86	6.7
9	simulation	83	10.41	5.4
2	fighting	109	9.44	4.9

	Платформа	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
4	ps4	392	48.35	30.9
3	ps3	493	43.27	27.7
9	x360	295	20.41	13.1
10	xone	247	14.27	9.1
0	3ds	398	8.87	5.7

	Жанр	Количество выпущеных игр	Объём продаж, млн копий	Доля в объёме продаж, %
0	action	1034	51.21	32.8
8	shooter	238	37.26	23.8
10	sports	268	22.44	14.4
7	role-playing	371	14.83	9.5
3	misc	192	7.67	4.9